网络流量预测模型系统的研究
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-10页 |
| 第一章 绪论 | 第10-14页 |
| ·研究背景及意义 | 第10-11页 |
| ·国内外研究现状 | 第11-12页 |
| ·研究内容 | 第12-13页 |
| ·本文结构 | 第13-14页 |
| 第二章 网流量特性与传统方法预测模型 | 第14-23页 |
| ·SNMP简介 | 第14-16页 |
| ·SNMP结构 | 第14页 |
| ·SNMP角色 | 第14-15页 |
| ·MIB概述 | 第15-16页 |
| ·SNMP的操作 | 第16页 |
| ·实际网络流量的特性 | 第16-19页 |
| ·网络流量的自相似特性 | 第17页 |
| ·网络流量的长相关与短相关特性 | 第17-18页 |
| ·单分形和多分形 | 第18-19页 |
| ·若干传统模型及其性能评价 | 第19-22页 |
| ·半马尔科夫模型 | 第19-20页 |
| ·Poisson模型 | 第20-21页 |
| ·ARMA模型 | 第21-22页 |
| ·本章小结 | 第22-23页 |
| 第三章 预测新理论的研究与模型系统的设计 | 第23-37页 |
| ·预测模型的提出 | 第23-24页 |
| ·传统模型的不足 | 第23-24页 |
| ·新模型的提出 | 第24页 |
| ·小波理论研究 | 第24-28页 |
| ·小波变换 | 第24-25页 |
| ·多分辨率分析 | 第25-26页 |
| ·基于Mallat方法的信号分解与重构算法 | 第26-28页 |
| ·小波变换具体步骤总结 | 第28页 |
| ·神经网络理论的研究 | 第28-31页 |
| ·神经网络的基本概述 | 第28-29页 |
| ·神经网络结构模型 | 第29-30页 |
| ·BP神经网算法原理 | 第30-31页 |
| ·预测模型系统的设计 | 第31-36页 |
| ·系统的总体设计 | 第31-32页 |
| ·系统模块说明 | 第32-36页 |
| ·本章小结 | 第36-37页 |
| 第四章 小波与神经网络组合模型的设计 | 第37-49页 |
| ·网络流数据的采集与存储 | 第37-39页 |
| ·流量的初步处理小波分析 | 第39-41页 |
| ·小波基与层数的选取 | 第39-40页 |
| ·流量的小波变换 | 第40-41页 |
| ·近似信号序列的预测模型 | 第41-44页 |
| ·神经网络初步模型 | 第41-42页 |
| ·输入与输出层神经元的设计 | 第42-43页 |
| ·隐藏层节点数的确定 | 第43-44页 |
| ·其他参数的设定与选择 | 第44页 |
| ·细节信号预测模型 | 第44-47页 |
| ·ARIMA模型预测步骤 | 第44-46页 |
| ·差分d参数的确定 | 第46页 |
| ·模型的识别与估计 | 第46-47页 |
| ·系数估计 | 第47页 |
| ·小波的合成 | 第47-48页 |
| ·本章小结 | 第48-49页 |
| 第五章 网络流量预测模型实现与改进 | 第49-64页 |
| ·数据的采集与预测数据的预处理 | 第49-51页 |
| ·数据的采集 | 第49页 |
| ·小波分析对数据预处理 | 第49-51页 |
| ·近似信号预测实现 | 第51-57页 |
| ·BP算法的设计 | 第51-54页 |
| ·BP算法的改进 | 第54-57页 |
| ·预测值与真实值的对比 | 第57页 |
| ·细节信号预测实现 | 第57-60页 |
| ·小波合成 | 第60页 |
| ·性能分析 | 第60-63页 |
| ·各模型的误差分析 | 第60-62页 |
| ·模型的时间性能分析 | 第62-63页 |
| ·本章小结 | 第63-64页 |
| 第六章 研究总结与展望 | 第64-66页 |
| ·本文总结 | 第64页 |
| ·下一步工作 | 第64-66页 |
| 参考文献 | 第66-70页 |
| 致谢 | 第70-71页 |
| 攻读学位期间主要的研究成果 | 第71页 |
